Demo interactiva de producto por Vora
| Escenario | Rdto. | Precio | Ingresos | Margen |
|---|
Esto es una demo interactiva de Vora, no un producto en venta. Corre entera en tu navegador, sobre datos ficticios, y existe para mostrar en concreto —no en una lámina de PowerPoint— el tipo de artefacto de software que construimos.
Cada pieza del marketplace ataca un problema real de un sector donde ya entregamos: son posibilidades de lo que podemos construir sobre tu operación, con tus datos, tus reglas y tus integraciones. Lo que ves aquí en unos segundos, en producción es un proyecto acotado y medible.
Qué está corriendo de verdad en esta página, con qué números, y qué no.
A partir de lo que configuras —cultivo, zona, área, variedad, tipo de riego, fecha de siembra y, si lo tienes, tu rendimiento del ciclo anterior— el motor calcula rendimiento proyectado, producción total, ingresos, costos y margen con una fórmula determinística. Sobre ese resultado corre una simulación Monte Carlo real: 1.000 corridas con rendimiento y precio muestreados de una normal (Box-Muller), cuya dispersión crece con el riesgo hídrico, fitosanitario y de mercado de la zona elegida. No hay llamada a ningún servicio externo ni modelo de IA: todo corre en tu navegador al enviar el formulario.
El rendimiento base del cultivo se ajusta por un factor de zona y de riego, y se mezcla 35%/65% con el rendimiento que declaraste del ciclo anterior:
rdto = base × zona.mod × riego.mod × (0.65 + 0.35 × tuHistórico/base)
Los escenarios Pesimista y Optimista de la tabla son los percentiles 10 y 90 de esa distribución de 1.000 corridas — no un ±% fijo: cada corrida combina un rendimiento y un precio muestreados, calcula el ingreso resultante, y las 1.000 se ordenan por ingreso para tomar esos dos puntos. Los riesgos hídrico y fitosanitario que fijan cuánto se dispersa el rendimiento salen de una tabla por zona; el riesgo de mercado, que dispersa el precio, sale del hash del texto cultivo+zona — ninguno de los tres es una medición real de riesgo u volatilidad.
Da una primera cifra de rendimiento, ingreso y margen por lote antes de sembrar, y deja ver cuánto cambia esa proyección según la zona y la decisión de riego —una forma de comparar escenarios de manejo, no un presupuesto de precisión bancaria.
Las recomendaciones agronómicas de la derecha se eligen según el cultivo, no según los números concretos de tu proyección.
Math.random(),
no estadística real. La simulación Monte Carlo sí corre — es la única de las
cuatro promesas de esa pantalla que es cierta.Para producción faltaría: conectar series históricas reales de IDEAM y precios de bolsa/CBOT, calibrar los coeficientes agronómicos y financieros —y por lo tanto la dispersión de la simulación— contra datos de la operación real, y reemplazar el modelo ARIMA y las cifras de calibración por los reales.
Esta demo se construyó como pieza de muestra. Una versión productiva sobre tus lotes reales, integrada a tus datos de campo y tu ERP agroindustrial, es un proyecto acotado y medible.